天空背景图像分割

分享给好友

万元奖金+大神直播

本地提交

在线提交

本地提交

在线提交

大赛简介

图像分割是根据图像内容对指定区域进行标记的计算机视觉任务,简单来说是准确判定在当前图片中的哪个区域

该数据集一共有1224张图片,训练集、验证集和测试集划分比例为6:2:2.

参赛须知

参赛时间:2019.09.05-2019.10.07

如何参赛?

  • 方式一:点击【本地提交】按钮将会下载包含项目样例的资料包到本地,FlyAI提供云端GPU资源,需在本地终端使用命令提交作品。另外,请您在参赛前仔细阅读资料包中的"README.md"文件,FlyAI会自动为您配置本地提交环境
  • 方式二:点击【在线提交】按钮可以在线查看项目代码样例,可在线编辑代码或者将本地已实现的代码文件包压缩成"zip"格式(压缩前请确定删除data文件夹)上传到线上并提交进行GPU训练和评估

参赛选手说明

  • 参赛人员身份信息需保证真实、有效,大赛主办方仅将个人信息用于赛事数据授权及颁奖使用
  • 欢迎海内外的在校学生,算法工程师和所有AI爱好者参与
  • 本次竞赛报名形式:以个人形式本地提交作品线上审核,并且以最终提交算法得分作为唯一有效成绩
  • 报名成功后请加入FlyAI竞赛交流群,一起学习进步!重要通知也将在群内发布,不要错过哦

比赛作品说明

  • 最终比赛成绩以排行榜显示排名为准
  • 根据作品提交时间先后顺序进行人工审核,审核合格后提交至排行榜
  • 禁止使用外部链接下载代码替换本项目代码
  • 提交的代码具备可解释性并且其它开源框架可复现
  • 所有相似代码将一律不通过审核!!情况多次出现者封号处理
  • 如有发现利用非正常手段作弊行为,奖金一律不发放。之前所获得奖金金额官方有权收回,情节严重者封号处理
  • 提交代码即视为阅读并同意以上比赛作品说明

大赛奖项设置

奖项说明:

奖项设置 获奖人数 奖金额度说明(按最终得分评判)
一等奖 1人 4,000元奖金 + 2000FAI
二等奖 1人 2,000元奖金 + 2000FAI
三等奖 1人 1,000元奖金 + 2000FAI
四等奖 1人 700元奖金 + 1500FAI
五等奖 1人 300元奖金 + 1500FAI
进阶福利 5人(6-10名) 有三AI知识星球专属名额(价值268元)

奖励获取要求:

  • 比赛结束后前5名参赛者需提供Markdown格式赛题解决思路(FlyAI将提供参考模版)并在学习圈公开代码查看权限
  • 比赛结束后如未能达到奖金/奖励获取要求,所获奖品将按照排名顺延至下一位参赛选手

赛事主题和数据说明

赛题描述

比赛上榜成绩截止到2019年10月07日下午20点,赛后将有神秘嘉宾精彩直播,敬请期待!!

数据来源

由有三AI公众号提供

数据描述

字段说明:

字段名 字段类型 取值区间 字段描述
image_path string 不为空 图片的相对路径
label_path string 不为空 图片标签的相对路径

输入字段: image_path,

输出字段: label_path,

参考文献:

[1]

评审标准

评审指标说明

  • 本赛标准得分为60分,所有超过基础得分的参赛者可获得相对应奖励!
  • IOU(Intersection-over-Union)表示了产生的候选框(candidate bound)与原标记框(ground truth bound)的交叠率或者说重叠度,也就是它们的交集与并集的比值。最理想情况是完全重叠,即比值为1。
  • 计算公式如下:
  • 评审计算公式

比赛常见问题说明

Q:比赛使用什么框架?

  • 比赛支持常用的机器学习和深度学习框架,比如TensorFlow,PyTorch,Keras,Scikit-learn、MXNet、PaddlePaddle等。

Q:怎么参加比赛,需不需要提交csv文件?

  • FlyAI竞赛平台无需提交csv文件,在网页上点击报名,下载项目,使用你熟练的框架,修改main.py中的网络结构,和processor.py中的数据处理。请仔细阅读右侧提交指南,使用FlyAI命令参与比赛。

Q:比赛排行榜分数怎么得到的?

  • 参加项目竞赛必须实现 model.py 中的predict_all方法。系统通过该方法,调用模型得出评分。

展开

  • 竞赛排行榜
第三名

提供者:哈尔的移动城堡

batch数据为8,循环次数为32次,损失函数优化完,最终完成评分为94.29。

torch

FCN

2019-09-16 12:03:13

94.29

第三名

提供者:FastAI可解释性差

batch数据为1,循环次数为1次,损失函数优化完,最终完成评分为93.66。

2019-09-09 02:10:03

93.66

第三名

提供者:超爱喝酸奶

batch数据为8,循环次数为50次,损失函数优化完,最终完成评分为91.93。

PyTorch

Deeplabv3

2019-09-12 21:57:47

91.93

4

提供者:yahiko

batch数据为6,循环次数为16次,损失函数优化完,最终完成评分为91.36。

torch

FCN

2019-09-13 14:51:00

91.36

5

提供者:ON-looker

batch数据为8,循环次数为20次,损失函数优化完,最终完成评分为91.16。

torch

DeepLab

2019-09-14 20:20:04

91.16

6

提供者:Whisney`逸文

batch数据为6,循环次数为80次,损失函数优化完,最终完成评分为90.73。

torch

UNet

2019-09-12 12:01:16

90.73

7

提供者:jitaimei

batch数据为32,循环次数为10次,损失函数优化完,最终完成评分为88.21。

torch

FCN

2019-09-13 20:05:56

88.21

8

提供者:玻尔兹曼

batch数据为4,循环次数为5次,损失函数优化完,最终完成评分为83.84。

PyTorch

ResU-Net

2019-09-13 15:40:55

83.84

9

提供者:善假于物

batch数据为1,循环次数为1次,损失函数优化完,最终完成评分为48.71。

torch

FCN

2019-09-13 20:19:18

48.71

10

提供者:丶人狠话不多

batch数据为1,循环次数为1次,损失函数优化完,最终完成评分为0。

torch

FCN

2019-09-07 03:20:26

0.00

11

提供者:qck15570179927

batch数据为24,循环次数为50次,损失函数优化完,最终完成评分为0。

2019-09-07 13:08:06

0.00

12

提供者:洋

batch数据为2,循环次数为60次,损失函数优化完,最终完成评分为0。

2019-09-07 18:57:31

0.00

13

提供者:玖月初识

batch数据为4,循环次数为10次,损失函数优化完,最终完成评分为0。

2019-09-09 16:47:00

0.00

14

提供者:kkky

batch数据为16,循环次数为10次,损失函数优化完,最终完成评分为0。

2019-09-10 17:49:40

0.00

15

提供者:dtrimina

batch数据为32,循环次数为10次,损失函数优化完,最终完成评分为0。

torch

FCN

2019-09-11 17:59:53

0.00

16

提供者:cnn

batch数据为8,循环次数为32次,损失函数优化完,最终完成评分为0。

torch

FCN

2019-09-11 20:06:06

0.00

17

提供者:HuLiA

batch数据为2,循环次数为10次,损失函数优化完,最终完成评分为0。

torch

FCN

2019-09-12 19:41:10

0.00

18

提供者:ashergaga

batch数据为1,循环次数为1次,损失函数优化完,最终完成评分为0。

torch

FCN

2019-09-13 09:31:52

0.00

19

提供者:★八百标兵奔北坡

batch数据为2,循环次数为10次,损失函数优化完,最终完成评分为0。

torch

FCN

2019-09-14 18:05:06

0.00

20

提供者:埼玉不秃头

batch数据为4,循环次数为1次,损失函数优化完,最终完成评分为0。

torch

FCN

2019-09-16 16:49:14

0.00

21

提供者:看你很6哦

batch数据为8,循环次数为60次,损失函数优化完,最终完成评分为0。

2019-09-17 02:20:55

0.00

挑战者大赛 官方交流群

训练记录

你还没有任何提交记录喔...

使用指南

  • windows客户端
  • windows命令行
  • Mac/Linux
1. 下载项目并解压
2.进入到项目目录下,双击执行flyai.exe程序

第一次使用需要使用微信扫码登录

杀毒软件可能会误报,点击信任该程序即可

3.本地开发调试

运行flyai.exe程序,点击"本地调试"按钮,输入循环次数和数据量,点击运行即可调用main.py

如果使用本地IDE开发,需要执行安装“flyai”依赖并导入项目,运行main.py

4.下载本地测试数据

运行flyai.exe程序,点击"下载数据"按钮,程序会下载100条调试数据

5.提交训练到GPU

运行flyai.exe程序,点击"提交到GPU"按钮,输入循环次数和数据量,点击运行即可提交到GPU训练。

返回sucess状态,代表提交离线训练成功

训练结束会以微信和邮件的形式发送结果通知

1. 下载项目并解压
2. 打开运行,输入cmd,打开终端

Win+R 输入cmd

3. 使用终端进入到项目的根目录下

首先进入到项目对应的磁盘中,然后执行

cd path\to\project

Windows用户使用 flyai.exe

4. 本地开发调试

执行下列命令本地安装环境并调试(第一次使用需要使用微信扫码登录)

flyai.exe test

执行test命令,会自动下载100条测试数据到项目下

安装项目所需依赖,并运行 main.py

如果使用本地IDE开发,可以自行安装 requirements.txt 中的依赖,运行 main.py 即可

5.提交训练到GPU

项目中如有新的引用,需加入到 requirements.txt 文件中

在终端下执行

flyai.exe train

返回sucess状态,代表提交离线训练成功

训练结束会以微信和邮件的形式发送结果通知

完整训练设置执行代码示例:

flyai.exe train -b=32 -e=100

通过执行训练命令,本次训练循环 100 次,每次训练读取的数据量为 32 。

1. 下载项目并解压
2. 使用终端进入到项目的根目录下

cd /path/to/project

Mac和Linux用户使用 ./flyai 脚本文件

3. 初始化环境并登录

授权flyai脚本

chmod +x ./flyai

4. 本地开发调试

执行下列命令本地安装环境并调试(第一次使用需要使用微信扫码登录)

./flyai test 注意:命令前面不要加sudo

执行test命令,会自动下载100条测试数据到项目下

安装项目所需依赖,并运行 main.py

如果使用本地IDE开发,可以自行安装 requirements.txt 中的依赖,运行 main.py 即可

5.提交训练到GPU

项目中如有新的引用,需加入到 requirements.txt 文件中

在终端下执行

./flyai train 注意:命令前面不要加sudo

返回sucess状态,代表提交离线训练成功

训练结束会以微信和邮件的形式发送结果通知

完整训练设置执行代码示例:

./flyai train -b=32 -e=100

通过执行训练命令,本次训练循环 100 次,每次训练读取的数据量为 32 。

$vue{ errorTip }

发送样例至我的邮箱

已发送

已发送成功

请查收FlyAI官方邮件查看详情 根据样例提高算法评分可以获得积分奖励 用来兑换GPU训练时长

确定

$vue{flag?'报名成功!':'参赛温馨提示'}

感谢您的参与!点击 下载资料 并及时提交您的作品

您在当前领域能力值未达到参赛标准,
请选择符合能力标准的项目哦!

下载资料

打开微信,使用扫一扫功能分享给好友

绑定你的微信账号

用于本地环境登录和实时接收训练通知